Guide pratique pour la conception d'enquêtes sur les ménages

Chapitre 7
Estimation des erreurs d’échantillonnage
dans les données d’enquête
7.1.
Introduction
1. Le présent chapitre donne un bref aperçu des diverses méthodes employées pour estimer les erreurs
d’échantillonnage dans les données d’enquête sur les ménages provenant de différentes conceptions
de l’échantillon, allant des conceptions standard que l’on trouve dans n’importe quel manuel
élémentaire de la théorie de l’échantillonnage [par exemple, Cochran (1977)] à des conceptions plus
complexes utilisées pour les enquêtes sur les ménages à grande échelle. Il offre pour les conceptions
standard des formules et des exemples numériques illustrant l’estimation des erreurs d’échantillonnage,
la construction des intervalles de confiance et les calculs des effets de conception et de la taille
effective des échantillons. Il présente ensuite des méthodes d’estimation des erreurs d’échantillonnage
pour des conceptions plus complexes. Les avantages et les inconvénients de chaque méthode
sont examinés, et il est donné des exemples numériques pour illustrer son application. Il est fourni
un exemple, basé sur des données provenant d’une enquête réelle, pour illustrer comment les logiciels
statistiques standard sous-estiment les erreurs d’échantillonnage des estimations et conduisent
ainsi à tirer des conclusions erronées concernant les paramètres étudiés. Pour éviter ce problème,
il est vivement recommandé d’employer des logiciels statistiques spéciaux qui tiennent pleinement
compte de la complexité des conceptions communément utilisées pour la réalisation d’enquêtes sur
les ménages. Plusieurs de ces logiciels sont décrits et comparés.
7.1.1.
Estimation des erreurs d’échantillonnage des données d’enquêtes complexes
2. Ces derniers temps, les objectifs d’enquêtes sur les ménages bien conçues ne consistent plus
seulement à analyser les tableaux récapitulatifs des dénombrements ou des totaux concernant les
paramètres étudiés. À l’heure actuelle, les analystes s’intéressent aussi à l’élaboration et à la mise à
l’épreuve d’hypothèses ou à la modélisation. Par exemple, plutôt que de se borner à estimer la proportion
d’une population qui vit au-dessous du seuil de pauvreté ou qui a un niveau d’instruction
égal ou supérieur au secondaire, les analystes veulent maintenant évaluer l’impact des politiques ou
étudier comment une variable d’intervention clé, par exemple les résultats scolaires d’un enfant,
ou le niveau de pauvreté d’un ménage, est affectée par des facteurs comme la région, la situation
socioéconomique, le sexe et l’âge.
3. Pour répondre à ces types de questions, il faut analyser en détail les données recueillies au niveau
des ménages ou des individus. Inévitablement, la publication des résultats de telles analyses doit
comprendre une indication des mesures permettant d’évaluer la précision et l’exactitude des estima-
143